NLP文本语料库

ChineseNlpCorpus

搜集、整理、发布中文自然语言处理 语料/数据集，与有志之士共同促进中文自然语言处理 的 发展。

情感/观点/评论 倾向性分析

1、ChnSentiCorp_htl_all 数据集

• 数据概览：7000 多条酒店评论数据，5000 多条正向评论，2000 多条负向评论

• 下载地址：

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/ChnSentiCorp_htl_all/intro.ipynb

 

2、waimai_10k 数据集

• 数据概览：某外卖平台收集的用户评价，正向 4000 条，负向 约 8000 条

• 下载地址：

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/waimai_10k/intro.ipynb

 

3、online_shopping_10_cats 数据集   

• 数据概览：10 个类别，共 6 万多条评论数据，正、负向评论各约 3 万条， 包括书籍、平板、手机、水果、洗发水、热水器、蒙牛、衣服、计算机、酒店

• 下载地址：

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/online_shopping_10_cats/intro.ipynb

 

4、weibo_senti_100k 数据集

• 数据概览：10 万多条，带情感标注 新浪微博，正负向评论约各 5 万条

• 下载地址：

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/weibo_senti_100k/intro.ipynb

 

5、simplifyweibo_4_moods 数据集

• 数据概览：36 万多条，带情感标注 新浪微博，包含 4 种情感， 其中喜悦约 20 万条，愤怒、厌恶、低落各约 5 万条

• 下载地址：

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/simplifyweibo_4_moods/intro.ipynb

 

6、dmsc_v2 数据集

• 数据概览：28 部电影，超 70 万 用户，超 200 万条 评分/评论 数据

• 下载地址：

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/dmsc_v2/intro.ipynb

 

7、yf_dianping 数据集

• 数据概览：24 万家餐馆，54 万用户，440 万条评论/评分数据

• 下载地址：

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/yf_dianping/intro.ipynb

 

8、yf_amazon 数据集

• 数据概览：52 万件商品，1100 多个类目，142 万用户，720 万条评论/评分数据

• 下载地址：

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/yf_amazon/intro.ipynb

中文命名实体识别

dh_msra 数据集

• 数据概览：5 万多条中文命名实体识别标注数据（包括地点、机构、人物）

• 下载地址：

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/dh_msra/intro.ipynb

 

推荐系统

---

 

1、ez_douban 数据集

• 数据概览：5 万多部电影（3 万多有电影名称，2 万多没有电影名称），2.8 万 用户，280 万条评分数据

• 下载地址：

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/ez_douban/intro.ipynb

 

2、dmsc_v2 数据集

• 数据概览：28 部电影，超 70 万 用户，超 200 万条 评分/评论 数据

• 下载地址：

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/dmsc_v2/intro.ipynb

 

3、yf_dianping 数据集

• 数据概览：24 万家餐馆，54 万用户，440 万条评论/评分数据

• 下载地址：

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/yf_dianping/intro.ipynb

 

4、yf_amazon 数据集

• 数据概览：52 万件商品，1100 多个类目，142 万用户，720 万条评论/评分数据

• 下载地址：

https://github.com/SophonPlus/ChineseNlpCorpus/blob/master/datasets/yf_amazon/intro.ipynb

 

项目传送门：

https://github.com/SophonPlus/ChineseNlpCorpus